AdaST：面向时空预测的自适应耦合框架

针对现实时空数据存在时间主导、空间主导和强耦合等多重模式的问题，研究团队提出了自适应时空预测框架 AdaST。该框架采用分解-重组范式，利用异质感知专家解耦不同模式分量，并通过关联感知自适应重组器整合预测结果。实验表明 AdaST 性能显著优于现有 SOTA 基准，论文已被 NeurIPS 2026 接收并开源代码。